繼續(xù)深入學(xué)習(xí)R語(yǔ)言曹阔，爭(zhēng)取對(duì)其比較熟悉

函數(shù)

#R語(yǔ)言編程的核心就是函數(shù)
#count the number of odd integers in x
oddcount <- function(x){
  k <- 0
  for(n in x){
    if(n%%2==1) k <- k + 1
  }
  print(paste("the odd number is:",k,sep = ""))
  return(k)
}

x <- c(1,2,4,2,5)
oddcount(x)
#R語(yǔ)言盡可能避免使用循環(huán)炼吴，如果要寫(xiě)，也要簡(jiǎn)潔
#慎重使用沒(méi)有顯示調(diào)用的return()
#使用超賦值運(yùn)算符 <<- 在函數(shù)內(nèi)部給全局變量賦值```

#矩陣

也可以稱作是向量，矩陣還有兩個(gè)附加的屬性篮洁，行數(shù)和列數(shù)

m <- rbind(c(1,2),c(3,4))

使用rbind將兩個(gè)向量結(jié)合成一個(gè)矩陣

矩陣乘法運(yùn)算，%*%

m%*%m

從矩陣中提取出子矩陣

m[1,]
m[,2]```

list列表

#其中內(nèi)容的各項(xiàng)可以屬于不同的數(shù)據(jù)類(lèi)型
x <- list(u=c(2,3),v="abc")
x$u
x$v
#x[1]表示獲取第一個(gè)組件殃姓，x[[1]]表示獲取第一個(gè)組件里面的值(向量)
#但是x[[2]]表示獲取第二個(gè)組件里面的值
x[[1]]
#要獲取具體的值袁波，這樣操作
x[[1]][2]

#列表的一種常見(jiàn)用法是把多個(gè)值打包組合到一起，然后從函數(shù)返回
hn <- hist(Nile)
hn
#另外一種比較簡(jiǎn)潔的打印方式
#str表示structure蜗侈，這個(gè)函數(shù)可以顯示任何R對(duì)象的內(nèi)部結(jié)構(gòu)
str(hn)```

#數(shù)據(jù)框

其實(shí)是列表篷牌，只不過(guò)列表中的每個(gè)組件是由前面提到的矩陣數(shù)據(jù)的一列構(gòu)成的向量

所以data.frame構(gòu)造函數(shù)傳入的是列表，當(dāng)然如果傳單個(gè)向量也可以踏幻，不過(guò)就是沒(méi)有名字吧

如果需要名字枷颊，那么就要指定向量的名字

d <- data.frame(list(kids=c("jack","kevin"),ages=c(21,22)))
d1 <- data.frame(numbers=c(1,2),desc=c("ac","ab"))
str(d)
d

通常數(shù)據(jù)框是通過(guò)讀取文件或者數(shù)據(jù)框來(lái)創(chuàng)建的```

類(lèi)

#S3類(lèi)，實(shí)例僅僅是列表该面，但是有個(gè)屬性：類(lèi)名
#hist輸出的還有一個(gè)屬性夭苗，用來(lái)指定列表的類(lèi)，即histogram類(lèi)
#然后指定類(lèi)是為了使用泛型函數(shù)吆倦，泛型函數(shù)代表一個(gè)函數(shù)族听诸，每個(gè)函數(shù)有相似的功能，
#但是適用于某個(gè)特定的類(lèi)蚕泽，所以列表有這個(gè)屬性晌梨，就可以作為區(qū)分桥嗤，如plot()函數(shù)就是一個(gè)函數(shù)族```


#向量

循環(huán)補(bǔ)齊，篩選仔蝌，向量化(對(duì)向量的每一個(gè)元素應(yīng)用函數(shù))

適用typeof()來(lái)查看數(shù)據(jù)類(lèi)型

x <- c(1,2,3,4)
typeof(x)

要想添加或者刪除元素泛领，則重新給向量賦值

x <- c(x[1:2],5,x[3:4])
x

獲取向量長(zhǎng)度

length(x)

要使用向量中特定的元素，必須首先去聲明敛惊，而不能直接y[1] <- 2這樣渊鞋，必須像下面這樣

y <- vector(length=2)
y[1] <- 2
y[3] <- 4
y

或者這樣

y <- c(2,4)

使用c()創(chuàng)建了一個(gè)新向量，然后綁定給變量y

函數(shù)式語(yǔ)言中瞧挤，讀寫(xiě)向量中的元素锡宋，由函數(shù)來(lái)完成，R如果并不知道y是一個(gè)向量

那么函數(shù)就沒(méi)有執(zhí)行的對(duì)象```

循環(huán)補(bǔ)齊

c(1,2,3) + c(4,2,6,3)
x <- rbind(c(1,2),c(2,4))
x + c(1,2)```

#向量的運(yùn)算

+也是函數(shù)特恬，"+"(),使用雙引號(hào)是因?yàn)?是特殊字符

2+3
"+"(2,3)

*函數(shù)使用方式是元素與元素相乘```

向量索引

#選擇給定向量中特定索引的元素構(gòu)成子向量
#向量1[向量2]执俩，返回向量1中索引為向量2的元素
y <- c(1,2,4,5,2)
y[c(1,4)]
#負(fù)數(shù)下表表示把相應(yīng)的元素剔除
y[-2]
#去除最后一個(gè)元素
y[1:length(y)-1]
y[-length(y)]```

#使用:運(yùn)算符創(chuàng)建向量

5:8

和python切片中冒號(hào)不一樣的是，這里既包含前面也包含后面元素

另外冒號(hào)運(yùn)算符優(yōu)先級(jí)高于-號(hào)

1:5-1
1:(5-1)```

seq()函數(shù)創(chuàng)建向量癌刽，等差序列

seq(1,5,2)
#然后可以使用下面的功能
x <- c(5,23,41,42)
seq(x)
#就是seq()會(huì)建立一個(gè)x向量的等差索引役首，并且如果x為空的時(shí)候，會(huì)正確的計(jì)算空值NULL
for(i in seq(x)){
  print(i)
  print(x[i])
}```

#rep()函數(shù)可以將同一個(gè)常數(shù)放在長(zhǎng)向量中

x <- rep(8,4)

將8重復(fù)4次显拜，創(chuàng)建一個(gè)向量

x <- rep(c(1,2,3),3)

each參數(shù)衡奥，指定前面要重復(fù)的東西重復(fù)次數(shù)

x <- rep(c(1,2),each=2)

1 1 2 2```

使用all()和any()

#報(bào)告參數(shù)是否至少有一個(gè)或者全部為T(mén)RUE
x <- 1:10
all(x>8)
any(x>9)
#也就是首先形成一個(gè)布爾向量为牍，然后進(jìn)行判斷
#篩選也是如此瓷胧，形成布爾向量，然后只索引為T(mén)RUE的索引值```

#向量化

對(duì)向量x中的每一個(gè)元素使用函數(shù)f()

提高R代碼執(zhí)行速度的有效方法之一就是向量化氯质，將應(yīng)用到向量的函數(shù)實(shí)際應(yīng)用在每一個(gè)元素上

一些向量化運(yùn)算矮台，+ * >

如果一個(gè)函數(shù)使用了向量化的運(yùn)算符乏屯，那么它也被向量化了

一些函數(shù)，sort(),round()都是向量化的

f <- function(x,c){
return((x+c)^2)
}

傳入的參數(shù)瘦赫，c作為標(biāo)量辰晕，x為向量就會(huì)產(chǎn)生循環(huán)補(bǔ)齊進(jìn)行運(yùn)算

當(dāng)然也可以傳入c為向量，如果要限制為標(biāo)量确虱，那么要進(jìn)行判斷

f <- function(x,c){
if(length(c)!=1){
stop("vector c not allowed")
}
return((x+c)^2)
}```

向量輸入與輸出

#有的函數(shù)直接返回向量
z12 <- function(z){
  return(c(z,z^2))
}
x <- 1:8
z12(x)
matrix(z12(x),ncol=2)
#在sapply諸如此類(lèi)的函數(shù)里含友，調(diào)用函數(shù)不需要帶括號(hào)
#sapply會(huì)直接輸出矩陣
sapply(x,z12)```

#NA表示缺失值，NULL表示不存在的值

x <- c(88,NA,12,168,13)
y <- c(x[-2],NULL)
mean(x)
mean(y)
mean(x,na.rm = T)

R會(huì)自動(dòng)跳過(guò)空值NULL,但是不會(huì)跳過(guò)NA

NULL一個(gè)用法是在循環(huán)中創(chuàng)建向量校辩，其中每次迭代在向量上增加一個(gè)元素

z <- NULL
for(i in 1:10){
z <- c(z,i)
}

NULL被作為不存在而計(jì)數(shù)窘问，也就是相當(dāng)于沒(méi)有```

篩選

#R語(yǔ)言函數(shù)式特性的另外一個(gè)特征
z <- c(5,2,-3,1)
z[z*z > 4]
#首先獲取一個(gè)布爾值向量，然后用得到的布爾值向量篩選出z中所需要的元素
z[z>3] <- 0```

#使用subset()進(jìn)行篩選

它與普通方法區(qū)別在于處理NA值上

x <- c(6,1:3,NA,12)
x[x>5]

subset默認(rèn)忽略NA

subset(x,x>5)```

which函數(shù)

#前面篩選都是獲得篩選后的值惠赫，但是which函數(shù)將獲取到滿足條件的索引值
which(z*z>4)
#which報(bào)告在z*z>4運(yùn)行后，哪些值是TRUE故黑，返回其索引
#它有個(gè)用法非常方便就是在向量中找出滿足一定條件元素首次出現(xiàn)的位置
first1a <- function(x){
  return(which(x==1)[1])
}
x <- c(3,2,1,4,1,4,5)
print(first1a(x))```

#向量化的ifelse()函數(shù)

除了正常用法ifelse(b,u,v),b為真儿咱，返回u,否則返回v

向量化用法是b[i]為真庭砍，返回u[i],否則返回v[i],最終返回一個(gè)向量

x <- 1:10
ifelse(x>5,TRUE,FALSE)```

判斷向量是否相等

#==不能使用，因?yàn)?=是向量化的混埠，比較的是向量中每個(gè)元素是否相等
x <- 1:3
y <- c(1,3,4)
x == y
#當(dāng)然可以這樣做
all(x == y)
#也可以簡(jiǎn)單的使用identical函數(shù)
identical(x,y)
#判斷對(duì)象是否完全一樣
z <- c(1,2,3)
#identical不一樣的原因是c()產(chǎn)生的是浮點(diǎn)數(shù)怠缸，而1:3產(chǎn)生的是整數(shù)，但是==可以正常钳宪，因?yàn)楫吘怪凳且粯拥?identical(x,z)
all(x == z)```

#使用names()函數(shù)給向量命名

x <- c(1,2,3)
names(x) <- c("i","love","you")

使用names索引元素

x["i"]

移除名字

names(x) <- NULL```

c()

#傳遞到c()參數(shù)有不同類(lèi)型揭北，則會(huì)被降級(jí)到同一個(gè)類(lèi)型，該類(lèi)型最大程度的保留他們的共同特性
c(5,1,"iloveyou")
#全成字符串了
#另外c()對(duì)數(shù)據(jù)有扁平化效果吏颖，和Python不一樣
c(1,2,4,c(2,4,4))```